在混合python numpy数组中搜索和替换[关闭]

Posted 2023-02-14

【中文标题】在混合python numpy数组中搜索和替换[关闭]

【英文标题】：Search and replace in mixed python numpy array [closed]

【发布时间】：2022-01-20 12:56:36

【问题描述】：

我一直在研究 numpy 的搜索和替换，并且想知道如何为混合的 numpy 数组执行更 Pythonic 的搜索和替换方式。

这是一个使用 for 循环的搜索和替换的工作示例，它看起来不太像 Python。如果数组仅由字符串组成，那么 np.char.replace() 函数当然可以工作；代码中也有一个示例。

我想知道还有哪些其他方法可能有效；展平数组，使用另一个包，或将 numpy 数组转换为其他内容，然后将其转换回其他内容。

这是一个小例子；有一个更大的数组要处理（100K+ 个元素），因此获得更好的性能会很棒。

import numpy as np

# numpy array with ints, strings, and floats

a=np.array([(1001,'Thing Alpha Red',0.99),
            (1002,'Thing Bravo Orange',1.29),
            (1003,'Thing Charlie Yellow',3.49),
            (1004,'Some Random Color',10.99),
            (99999,'Thing Delta',4.99)],dtype=object)

# This is a list
a_lookup=[('Alpha','Apple'),('Bravo','Bus'),('Charlie','Car'),('Delta','Dog')]

# Make a copy of a, for later comparison
c=np.copy(a)

# This replaces every substring 'Thing' with 'Box'
# Most unpythonic!
for each in c:
    each[1]=each[1].replace('Thing','Box')

print('a original:')
print(a)
print('')
print('c replaced, using loop:')
print(c)

# Now look through a_lookup, and replace from that list
# Even more unpythonic; two for loops
for each in c:
    # Get the string
    temp=each[1]
    # loop through the lookup table, doing a replacement
    for each_item in a_lookup:
        if(each[1].find(each_item[0])>=0):
           temp=temp.replace(each_item[0],each_item[1])
           break
    each[1]=temp

print('')
print('c, replacing elements from lookup table, using loop:')
print(c)

# This is more pythonic, but will not work on mixed numpy array
print(' ')
print('Using numpy replace on array of *only* strings')
d=np.array(['Box Alpha', 'Box Bravo', 'Box Charlie', 'Box Delta'])
print(d)
print('')
e=np.char.replace(d,'Box','Container')
print(e)

【问题讨论】：

这些东西有什么“unpythonic”？它们是有效的、工作的python。诚然，它们都可以与列表列表一起工作，也许更好。您的数组是object dtype，因此它像在列表中一样存储引用。你正在做一个字符串操作。您也许可以使用 re 一次对字符串进行所有替换，但我不熟悉该模块。这不是使用快速编译的 numpy 方法进行的数值计算。

我认为'for'循环不被认为是优雅的！ atomh33ls 有一个简洁的解决方案。如果最初发布的内容被认为是好的，我可以接受，但似乎 python 总有一个巧妙的技巧。例如，atomh33ls 的答案，至少对于第一个子字符串替换。

循环（列表推导）在处理 python 列表、字典和字符串时很常见。 numpy 数组最好与 tbeir 自己的方法（在编译代码中循环）一起使用。但是有些东西不适合该模型 - 例如带有字符串的对象 dtype。

【参考方案1】：

如果你使用 pandas，那么你可以做正则表达式：

import pandas as pd

b = pd.dataFrame(a)

b[1] = b[1].replace('Thing':'Box', regex=True)

g = np.array(b)

array([[1001, 'Box Alpha Red', 0.99],
       [1002, 'Box Bravo Orange', 1.29],
       [1003, 'Box Charlie Yellow', 3.49],
       [1004, 'Some Random Color', 10.99],
       [99999, 'Box Delta', 4.99]], dtype=object)

【讨论】：

我尝试创建一些使用 pandas 和标准循环的例程；不过，循环似乎比 pandas 快得多。